科创中国

一种基于骨骼的动作识别的深度集成方法，主要运用卷积神经网络（CNN）捕获动作识别任务的各种时空动力学，长短期记忆网络（LSTM）捕获时空特征。三个子网（称为SNet，TNet和BodyNet）进行建模，以捕获动作识别任务的时空动态差异。在集成学习的推动下，使用两个子网TNet和BodyNet对混合网络（称为HNet）进行建模，以捕获强大的时间动态

所提的一种基于骨骼的动作识别的深度集成方法，主要有以下三点技术优势：1.考虑到卷积神经网络存在梯度消失及梯度爆炸现象，提出在长期短期记忆中优化递归神经网络单元；2.在动作识别任务构造了四个关节距离图，处理高难度的交互动作信息的捕捉；3.使用BodyNet来从整个序列的时间域中的细粒度身体各部位提取各种特征信息。

人体动作识别是计算机视觉领域比较热门的研究主题，它有很好的现实应用前景，可以应用于图像处理、计算机视觉、机器学习等领域，但是由于人体动作的多样性等原因使人体动作识别变得具有挑战性。

杨会成，男，1970年出生，安徽来安人，教授，硕士生导师。 获安徽省科技进步三等奖1项，省级科研成果2项；在国内外学术期刊上发表论文16篇，其中被EI检索收录6篇；获安徽省教学成果三等奖2项；2015年获省级教学名师称号，主讲课程：《信号与系统》和《数字信号处理》。

专利类型：发明型数量：1申请号或专利号：202010097008.X

技术转让、合作开发